diff --git a/.gitea/workflows/deploy-lectures.yml b/.gitea/workflows/deploy-lectures.yml index 34e81e7..242bd16 100644 --- a/.gitea/workflows/deploy-lectures.yml +++ b/.gitea/workflows/deploy-lectures.yml @@ -24,7 +24,7 @@ jobs: - name: --- CHECKOUT --- uses: actions/checkout@v3 with: - sparse-checkout: '!.*' + sparse-checkout: '!.*' # ignore hidden folders path: ./tmp - name: --- NOTIFY --- run: | diff --git a/personalauswahlalgorithmen/index.html b/personalauswahlalgorithmen/index.html index 1bcc0bb..c050a4a 100644 --- a/personalauswahlalgorithmen/index.html +++ b/personalauswahlalgorithmen/index.html @@ -35,6 +35,7 @@ +

Personalauswahlalgorithmen

@@ -61,22 +62,67 @@

Was ist ein Algorithmus?

Eine eindeutige Handlungsvorschrift zur Lösung eines Problems [...] [1]

-
-

Problem

-

Bilde die Fakultät einer beliebigen, positiven ganzen Zahl kleiner 256.

-
-

Handlungsvorschrift

- 

-							uint64_t fakultaet(uint8_t wert) {
-								if (wert > 0) {
-									return wert*fakultaet(wert-1);
-								} else {
-									return 1;
-								}
+				
Problem

+					
Bilde die Fakultät einer beliebigen, positiven ganzen Zahl kleiner 256.

+				

+				
Handlungsvorschrift

+					

+						uint64_t fakultaet(uint8_t wert) {
+							if (wert > 0) {
+								return wert*fakultaet(wert-1);
+							} else {
+								return 1;
 							}
-							

-							
Findet jemand einen Programmierfehler? 😉

+						}
+
+

Findet jemand einen Programmierfehler? 😉

+
+
+

Künstliche Intelligenz

+ +

| Stellen Sie sich vor, Personen werden auf Robotersein geprüft. |

+

| Dafür wird ihnen ein Bild angezeigt. |

+

| Sie sollen die Wahrscheinlichkeit angeben, darauf eine "Ampel" zu sehen. |

+

| Person "A" tut dies anhand der Farbanteile im Bild. |

+

| Person "B" bewertet die Formen im Bild. |

+

| Person "C" analysiert Bildkontraste. |

+

| Person "D" versucht, sich wiederholende Winkel zu erkennen. |

+

| Person "E" zählt Kreise im Bild usw. |

+

| Alle Aussagen werden gewichtet und man erhält einen Wahrheitswert. |

+ +

Neural Network

+

Kontext (gesprochenes Wort)

+ Nichts hinkt wie dieser Vergleich. Der Punkt ist, dass bei "neuronalen Netzen" ein mathematisches Modell zum Einsatz kommt, welches als Geflecht aus gewichteten Übertragungsfunktionen abgebildet wird. + Es ermittelt die wahrscheinlichste Lösung der eingegebenen Aufgabe. + All dies basiert auf der Übertragungsfunktion samt Gewichtung, deren Parameter mittels "Training" festgelegt werden. [2] +
+
+

Training

+ +

| Stellen Sie sich das Wurzelgeflecht eines Baumes vor. |

+

| Der Sommer ist besonders trocken. |

+

| Der Baum ist auf der Suche nach Grundwasser. |

+

| Mit den Kräften muss hausgehaltet werden. |

+

| Daher wird der Baum Wurzeln mit Kontakt zu Wasser stärker ausprägen. |

+

| Wurzeln, die bei der Suche nicht erfolgreich waren, verkümmern. |

+ +

Reinforcement Learning

+
+
Slide 2
+ + +

Ein Beispiel für "Pre-AI-hiring"

+
    + +

    Die Stelle wird ausgeschrieben. Erst Intern, dann extern, zumeist online.

    +

    Ein Filter wird auf die Flut von Bewerbungen angewandt.

    +

    Es erfolgt ein Einstellungstest für die verbleibenden Personen.

    +

    Nun wird eine Reihenfolge gebildet.

    +

    Die besten KandidatInnen erhalten ein strukturiertes Interview.

    +

    Schließlich wird die Person mit der höchsten Punktzahl eingestellt.

    +     +

Und was hat

"Künstliche Intelligenz"

damit zu tun?

Annahmen

@@ -86,10 +132,10 @@

Personalabteilungen werden auf Effizienz und Schlankheit getrimmt. [7] [8]

Motivation aus Unternehmenssicht

-

"Wir möchten HR bei Routinetätigkeiten entlasten."

-

"Im Moment bekomme ich günstige KI-Produkte."

-

"Unsere Personalauswahl ist langsam, teuer und unflexibel."

-

"Wir haben im Moment nicht das richtige Talent an Bord."

+

"Wir wollen HR bei Routinetätigkeiten entlasten." [#nr]

+

"Das Angebot von KI-Produkten ist groß." [#nr]

+

"Personalauswahl ist teuer und zeitaufwändig." [#nr]

+

"Wir haben im Moment nicht das richtige Talent an Bord." [#nr]

Schlussfolgerungen

Für allgemeine Fragen rund um die Bewerbung nehmen wir den Chatbot.

@@ -102,24 +148,18 @@

Geringere Verwaltungskosten 🤑

Schärfere Anforderungsprofile für offene Stellen 🧐

-

Einschub: Dies ist ein neuronales Netz:

+

Risiken für die Firma

-

| Stellen Sie sich hier ein Bild von einer Geburtstagsparty vor. |

-

| Der Tisch ist gedeckt und wunderschön dekoriert. |

-

| Überall hängen Fähnchen und Luftballons. |

+

| Ein Unternehmen möchte "KI" im Personalwesen einsetzen. |

+

| Es kauft eine "KI-Lösung" ein. |

+

| Weil es die Technologie dahinter weder beherrscht noch entwickeln möchte. |

+

| Ab jetzt fließen Anschreiben, Lebensläufe, Zeugnisse |

+

| durch Softwarekomponenten von Drittanbietern. |

+

| Da auch das Erstellen von Ausschreibungen ausgelagert wird |

 -

Simpel

-
-

Einschub: Das Training funktioniert in etwa so:

- -

| Sie sollen das Dreikörperproblem für Sonne, Erde, Mond lösen. |

-

| Sie müssen einem Freund das Wetter in Frankfurt für "in zwölf Tagen" nennen. |

-

| Während der Restrukturierung Ihrer Firma sollen Sie... |

-

| ...ein absolut neuartiges Produkt bei knappen Ressourcen... |

-

| ...rechtzeitig entwickelt und getestet haben. |

- -

Chaotisch

+

verliert das Unternehmen mehrere seiner Kernkompetenzen.

+
Szenario: Unternehmen kauft "KI"-Lösung ein, weil sie die Technologie dahinter weder behrerrscht noch entwickeln möchte. @@ -136,6 +176,7 @@ "Responsible AI" Vorurteile und Bias + [#nr] KI als Produkt seiner Zeit Welche Risiken bergen KI-Produkte im Personalwesen darüberhinaus?